Data-Gouv-FR/ccam-ameli

Cnam使用的CCAM行为参考库，基于[ps-tarifs.csv]中的行为，并按法国国家卫生局（ANS）CCAM v77的章节标题进行分组。

Référentiel des actes CCAM utilisé par la Cnam dans [ps-tarifs.csv] regroupés par têtes de chapitres de la CCAM v77 de lANS.

搜集汇总

数据集介绍

构建方式

该数据集的构建依托于法国国家健康保险基金（Cnam）发布的医疗费用统计数据，集中整理了CCAM（分类 commune des actes médicaux）医疗行为编码目录中的相关条目。具体而言，它从Cnam提供的ps-tarifs.csv文件中提取数据，并依据法国数字健康局（ANS）发布的CCAM v77版本章节标题进行归并和重组，形成一份体系化的医疗行为参考数据集。

特点

CCAM Ameli 数据集的核心特点在于其作为法国医疗行为编码的标准化参照资源，旨在为医疗信息处理、费用分析及智能代理开发提供结构化数据支撑。数据集以法语呈现，采用开放许可证（Licence Ouverte / Open Licence version 2.0）发布，便于研究者和开发者自由使用与分发。然而，需注意当前Hugging Face页面仅为数据集的引用说明，实际数据存储于法国开放数据平台data.gouv.fr，呈现为空仓状态。

使用方法

使用该数据集时，需直接访问data.gouv.fr上的原始资源链接获取CSV格式文件。开发者可将其集成至医疗领域自然语言处理模型或知识图谱中，用于辅助医疗行为编码的识别、分类及费用预测等任务。由于数据集结构清晰且遵循开放许可协议，建议在本地或云端环境中加载后，结合Python的pandas库进行数据清洗与特征工程，以适配具体的应用场景。

背景与挑战

背景概述

CCAM Ameli数据集由法国国家健康保险基金（Cnam）创建，旨在系统化整理医疗行为分类（CCAM）的参考编码。该数据集于2025年发布，依托法国数字健康局（ANS）提供的CCAM v77版本，将分散的医疗程序代码按章节头部进行归类，形成结构化知识库。作为法国医疗保障体系的核心数据资源，CCAM Ameli为医疗费用报销、流行病学研究和卫生政策制定提供了标准化基础，对提升法国医疗数据互操作性和自动化处理能力具有重要推动作用。

当前挑战

该数据集面临的挑战主要体现在领域问题与构建过程两个层面。在领域层面，医疗行为编码的复杂性和多版本共存导致数据一致性维护困难，不同时期CCAM版本的更新需要持续同步与对齐，以保障医疗费用清算系统的准确性。在构建过程中，原始数据分散于多个政府数据平台，且编码表与价格表（ps-tarifs.csv）之间的关联映射需人工校验，如何确保大规模代码归类的无歧义性和完整性成为核心难点。此外，数据集的长期维护与API化升级也是未来应用的关键瓶颈。

常用场景

经典使用场景

CCAM Ameli数据集是法国国家医疗保险局（Cnam）发布的医疗行为分类编码基准数据集，汇总了医疗程序通用分类（CCAM）中的各类操作码。该数据集最经典的用途在于为法国医疗信息系统提供标准化的手术和诊疗行为编码参考，广泛用于医疗费用报销、医保支付结算以及医疗统计分析等场景。研究人员借助此数据集，能够将零散的医疗行为映射到统一的分类框架中，确保不同医疗机构间的数据可比性和互操作性。

实际应用

实际应用中，CCAM Ameli数据集深度嵌入法国医疗系统的核心业务流程。保险公司和医保机构利用该编码体系实现自动化费用审核与报销，确保每项医疗服务的定价和支付依据明确。医院信息系统通过调用该数据集完成电子病历中手术和诊疗记录的标准化录入，提升管理效率。同时，医疗质量监控机构可借助编码数据分析诊疗行为合规性，识别异常医疗操作，为医疗安全监管提供数据支撑。

衍生相关工作

基于CCAM Ameli数据集，学术界衍生出多项经典研究工作。在医疗费用预测领域，研究者结合该编码构建了诊疗成本估算模型，为医保预算制定提供依据。医疗行为模式挖掘方面，有工作利用CCAM编码聚类分析手术偏好与地区差异。此外，该数据集还催生了自然语言处理在医疗编码自动标注中的应用研究，通过深度学习模型将非结构化临床文本映射到CCAM代码，提升了编码效率与准确性。